个人兴趣，用python实现连连看的辅助程序，总结实现过程及知识点。
总体思路
1、获取连连看程序的窗口并前置
2、游戏界面截图，将每个一小图标切图，并形成由小图标组成的二维列表
3、对图片的二维列表遍历，将二维列表转换成由数字组成的二维数组，图片相同的数值相同。
4、遍历二维数组，找到可消除的对象，实现算法：
- 两个图标相邻。（一条线连接）
- 两个图标同行，同列，且中间的图标全部为空（数值为0）（一条线连接）
- 两条线连接，转弯一次，路径上所有图标为空。（二条线连接）
- 三条线连接，转弯二次，路径上所有图标为空。（三条线连接）
- 分别点击两个图标，并将对应的二维数据值置为0
实现过程中遇到的问题
图片切割
im = image.crop((left,top,right,bottom)) //image.crop参数为一个列表或元组，顺序为(left,top,right,bottom)
找到游戏运行窗口
hdwd = win32gui.FindWindow(0,wdname) # 设置为最前显示 win32gui.SetForegroundWindow(hdwd)
窗口不要点击最小化，点击后无法弹出来。
- 图片缩放并转为灰度
img1 = im1.resize((20, 20), Image.ANTIALIAS).convert(‘L’)
Image.ANTIALIAS 为抗锯齿的选项，图片无毛边。
- 获取图片每个点的RGB值
pi1 = list(img1.getdata())
列表每个元素为一个三位数的值，分别代表该点的RGB值。列表pi1共400个元素。（因为图片为20*20）
- 鼠标点击消除
PyMouse.click()该方法默认双击，改为PyMouse.press() 或 PyMouse.release()
- 判断图片相似
- 汉明距离，平均哈希
def compare_img(self,im1,im2):
img1 = im1.resize((20, 20), Image.ANTIALIAS).convert('L')
img2 = im2.resize((20, 20), Image.ANTIALIAS).convert('L')
pi1 = list(img1.getdata())
pi2 = list(img2.getdata())
avg1 = sum(pi1) / len(pi1)
avg2 = sum(pi2) / len(pi2)
hash1 = "".join(map(lambda p: "1" if p > avg1 else "0", pi1))
hash2 = "".join(map(lambda p: "1" if p > avg2 else "0", pi2))
match = 0
for i in range(len(hash1)):
if hash1[i] != hash2[i]:
match += 1
# match = sum(map(operator.ne, hash1, hash2))
# match 值越小，相似度越高
return match
- 计算直方图
from PIL import Image
# 将图片转化为RGB
def make_regalur_image(img, size=(8, 8)):<b style="color:transparent">本文来源gao@!dai!ma.com搞$$代^@码网*</b>
gray_image = img.resize(size).convert('RGB')
return gray_image
# 计算直方图
def hist_similar(lh, rh):
assert len(lh) == len(rh)
hist = sum(1 - (0 if l == r else float(abs(l - r)) / max(l, r)) for l, r in zip(lh, rh)) / len(lh)
return hist
# 计算相似度
def calc_similar(li, ri):
calc_sim = hist_similar(li.histogram(), ri.histogram())
return calc_sim
if __name__ == '__main__':
image1 = Image.open('1-10.jpg')
image1 = make_regalur_image(image1)
image2 = Image.open('2-11.jpg')
image2 = make_regalur_image(image2)
print("图片间的相似度为", calc_similar(image1, image2))
# 值在[0,1]之间，数值越大，相似度越高
- 图片余弦相似度
from PIL import Image
from numpy import average, dot, linalg
# 对图片进行统一化处理
def get_thum(image, size=(64, 64), greyscale=False):
# 利用image对图像大小重新设置, Image.ANTIALIAS为高质量的
image = image.resize(size, Image.ANTIALIAS)
if greyscale:
# 将图片转换为L模式，其为灰度图，其每个像素用8个bit表示
image = image.convert('L')
return image
# 计算图片的余弦距离
def image_similarity_vectors_via_numpy(image1, image2):
image1 = get_thum(image1)
image2 = get_thum(image2)
images = [image1, image2]
vectors = []
norms = []
for image in images:
vector = []
for pixel_tuple in image.getdata():
vector.append(average(pixel_tuple))
vectors.append(vector)
# linalg=linear（线性）+algebra（代数），norm则表示范数
# 求图片的范数？？
norms.append(linalg.norm(vector, 2))
a, b = vectors
a_norm, b_norm = norms
# dot返回的是点积，对二维数组（矩阵）进行计算
res = dot(a / a_norm, b / b_norm)
return res
if __name__ == '__main__':
image1 = Image.open('1-9.jpg')
image2 = Image.open('8-6.jpg')
cosin = image_similarity_vectors_via_numpy(image1, image2)
print('图片余弦相似度', cosin)
# 值在[0,1]之间，数值越大，相似度越高,计算量较大，效率较低
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：python实现连连看辅助（图像识别）
转载请注明原文链接：python实现连连看辅助（图像识别）
